基于WOFOST模型与遥感数据同化的县级尺度玉米估产研究

区域尺度的作物生长动态监测和产量预测对于保障粮食安全和农业政策的制定具有重要参考依据。遥感数据同化应用极大提高了作物估产的时效性和精度。为及时、准确地实现县级尺度粮食产量的估测,以及提升产量估测的精度,以辽宁省铁岭县为研究区,采用WOFOST(world food studies)模型与遥感同化相结合的方法对铁岭县玉米进行估产研究。通过采用扩展傅里叶幅度敏感性检验算法(extened Fourier amplitude sensitivity test,EFAST)敏感性分析方法实现玉米估产敏感性参数的分析,以及本地化;通过采用参数自动率定程序PEST(parameter estimation)实现参数的优化,验证结果为采样点产量的平均误差为852.39 kg·hm^(-2),模型模拟的精度达到92.82%。为进一步提高和优化模型估产精度,将遥感反演得到的叶面积指数采用集合卡尔曼滤波算法与模型模拟的叶面积指数进行数据同化,平均误差从同化前的852.39 kg·hm^(-2)降低为435.01 kg·hm^(-2),估产精度从92.82%提高到96.33%,有效提高了WOFOST模型估产的精度。结果表明:水分对玉米的生长发育限制并不大,其产量形成主要受光温影响,对温度、光能利用效率和最大同化速率有关的参数具有较高的敏感性;优化后的模型能够较好模拟铁岭县玉米生长发育情况,产量验证表明优化后的模型模拟的效果较好,但仍存在一定的误差;比值植被指数与叶面积指数的相关性最高,反演模型精度较好,反演结果表明叶面积指数在抽雄吐丝期差距较大,而在成熟期的差距不大;经过作物模型与遥感数据同化之后,估产的精度得到明显提高,说明遥感与作物模型同化是一种有效地提高作物估产和产量预测精度的方法。

基于无人机多光谱遥感数据的植被指数玉米估产模型研究

玉米作为主要的粮食作物,其产量估产意义较为重大。传统的产量估算方法均以数据抽样调查为主,产量估算精度较低。随着新技术新方法的不断涌现,该文以无人机结合多光谱遥感技术,通过采集玉米的拔节期、吐丝期、乳熟期、蜡熟期4个关键生育期植被指数的变化,通过产量构建分析模型,并验证筛选合理的模型用于产量估算。经验证,在乳熟期,依据RVI、DVI、SAVI构建的产量模型精度较高。在蜡熟期,依据NDVI、RVI、DVI、SAVI构建的产量模型较高。通过以上研究,对于在玉米生长过程中,能够积极结合数据变化,便于高效开展农作物种植,估测作物产量具有重要的指导意义。

黑龙江大宗作物估产模型:以水稻、大豆、玉米为例

建立黑龙江省的大宗作物的估产模型,对于及时掌握该省的农情有积极作用,同时可以为其他区域的估产建模提供方法参考。首先计算了趋势单产、农业气候指标、遥感类指标、种植波动指标。然后,针对3种作物(大豆、玉米、水稻)进行估产分区,在各分区内联合使用随机森林和留一法筛选建模变量。最后,统计基于留一法建立的所有模型的平均绝对相对精度(mean absolute relative precision,MARE)的最大值、最小值、均值和均方根误差,以此来反映最终建模的精度和稳定性。结果表明:针对大豆、水稻和玉米,黑龙江分别被分成了3、3和4个估产子区;变量筛选的结果显示趋势单产的重要性>归一化植被指数(normalized difference vegetation index,NDVI)距平的重要性>积温距平的重要性>Z指数的重要性;除玉米1区以外,针对3种作物建立的模型的最终MARE均小于10%,且所有模型的MARE的方差均小于0.05%。所建模型能够准确预测不同农业气候状况下的作物单产,可以为精细化筛选变量进行估产建模提供方法参考。

基于时间序列的灰色预测技术在估产模型中的应用

在建立估产模型过程中 ,引进基于时间序列的灰色预测技术 ,通过对样本点建立基于时间序列的灰色预测模型和常规的多元线性回归气象模型的分析比较 ,试图找到一种计算简单、数据要求少而精度较高、时效性较好的建模方法 .为时间序列预测在农作物估产方面的应用作出一点探索 .

基于RS技术的作物土地生态信息反演与估产

为快速监测土地生态情况,准确获取净初级生产力、收获指数与作物单产信息具有重要意义。以沈阳为研究区域,利用CART决策树方法对研究区玉米等地类进行分类提取,结合高精度地物分类结果与CASA模型对研究区内净初级生产力(NPP)进行估算,结合玉米估产模型与研究区内NPP与玉米收获指数(HI)对玉米单产进行预估。结果表明:研究区内玉米C的NPP达到600~800 g/m^(2)水平,2020年沈阳市玉米生长状况良好;采取玉米单产模型预估的沈阳市各区县玉米单产相对误差均小于10%。研究结果具有一定可靠性,可为农业、国土资源等部门进行监测管理提供重要依据。

机器视觉结合深度学习对荔枝估产的算法研究

传统的荔枝估产算法为人工计数法,存在估产人力工作量大、效率低、误差高等问题。本文利用计算机视觉和深度学习等人工智能技术,首先搭建了基于YOLOv3算法的荔枝目标检测神经网络模型,预测图片中的果实数量并将其结果保存;然后搭建了MLP神经网络模型,将检测的果实数量作为网络输入,推理输出整棵树的产量估值;此外,为了进一步提高结果的准确性,本文通过双目视觉利用视差获得测量位置和荔枝树的距离深度信息,使用边缘检测得到树的外轮廓,得到荔枝树的树宽和树高,将其结果作为变量输入到MLP神经网络中;最后将识别模型部署到边缘端,通过边缘计算采集图像、进行图像推理与识别计算,最终实现荔枝估产,以改变传统人工荔枝估产方式,提升效率,为后续荔枝果园的精准管理打下基础。

MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究

农作物遥感估产区划是农作物遥感估产的基础,它为估产研究和实践提供了重要的科学依据。以冬小麦生育期内的MODIS EVI时间序列作为分区数据,选择江苏省为试验区,探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法,并在冬小麦遥感估产中进行了试验。结果表明:光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程,可以充分体现气候差异所带来的冬小麦区域差异;与传统分区相比,基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34kg.hm-2),体现了该分区方法在冬小麦遥感估产中的优势。光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据,且能很好的将冬小麦划分为特征性质一致的区域,所得遥感估产模型的精度和稳定性也较好,为冬小麦遥感估产分区提供了一种有效方法,有利于进行冬小麦遥感估产研究。

基于卫星遥感技术的作物估产系统的研究

作物估产是农业管理和粮食安全的关键问题,传统方法需要大量人力和时间,而卫星遥感技术为实现作物估产提供了高效、经济的解决方案。本论文旨在研究和探讨基于卫星遥感技术的作物估产系统的开发和应用,通过分析卫星遥感数据、建立作物估产模型及开发作物估产系统,为农业决策提供了有力支持。

大面积草地遥感估产技术研究──以内蒙古锡林郭勒草原估产为例

本文讨论了利用NOAA数据与地面同步测量的光谱与生产力资料，进行大面积草地遥感估产的技术，并以内蒙古锡盟草原为例，进行了应用，证实了该技术的可用性和可操作性。

基于RS和GIS的农作物估产方法研究进展

实时获取农作物长势及产量等信息对于现代农业的发展具有重要意义。近年来,随着遥感技术(remote sensing,RS)和地理信息系统(geographic information system,GIS)广泛应用于农作物估产领域,相继出现了一些较为实用的估产方法,主要有结合辅助数据的估产方法、基于植被指数的估产方法、基于特定模型的估产方法和基于农作物估产平台(软件)的开发等。其中,基于植被指数的估产方法又分为单一和多植被指数估产2类方法。在对近年来该领域大量文献深入研究的基础上,着重就几类热点方法展开论述,并对每类方法的优势和缺陷进行了评述,最后对该领域需要进一步研究的方向进行了探讨和展望,以期为后续研究提供参考。

遥感技术在主要粮食作物估产中的应用

随着精准农业的快速发展,人们对粮食作物的估算精度和成本提出了更高的要求,改进农作物产量估算方法是提升粮食作物估产准确度的重要途径之一。鉴于此,本文阐述了粮食作物遥感估产的研究概况,综述了粮食作物估产应用的遥感资料、粮食作物遥感估产过程、遥感估产的方法以及遥感估产模型在主要粮食作物估产中的应用。分析表明,遥感关键技术及模型选择为粮食作物估产精度的提高提供了重要的技术支持。最后对遥感技术发展趋势进行了展望,指出人工智能、物联网等新技术与遥感技术相结合发展等问题,旨在推进精准农业的高质量发展。

产粮区遥感估产

‘八五’农作物遥感估产国家攻关项目的研究·解决了一批主要农作物遥感估产中的关键技术问题,如播种面积提取技术信息复合技术、遥感估产模型建立的技术和全数字化电脑估产技术等。1、建立了三个层次六个可操作的估产系统:前期综合试验估产系统(微机);小麦遥感估产系统;玉米遥感估产系统;太湖水稻遥感估产系统;

基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究

本文以LAI作为结合点,讨论了利用复合型混合演化(SCE_UA)算法实现CERES_W heat模型与遥感数据同化的可行性。CERES_W heat模型同化后主要生育期和产量的模拟值分别与真实条件下模型相应模拟值以及实测值进行比较。结果表明,同化后CERES_W heat模型的模拟精度对LAI外部同化数据的误差并不十分敏感。并且在LAI同化数据较少时,也可获得较好的同化结果。这一特点体现了SCE_UA算法应用于同化过程的优越性,为同化策略在区域冬小麦长势监测及估产中的应用提供了基础。

基于植物净初级生产力模型的区域冬小麦估产研究

该文以中国冬小麦主要种植区黄淮海平原典型县市的冬小麦为研究对象,以植物净初级生产力模型对冬小麦估产进行研究。其中光合有效辐射数据(PAR)主要通过TOM S传感器紫外反射率月数据来计算获得。并且通过投影转换和内插方法,将分辨率由经度1.25度、纬度1度转为250 m。光合有效辐射分量(f PAR)主要通过250 m分辨率M OD IS的最大值合成法生成的N DV I月数据和f PAR之间的统计直线关系(f PAR=a N DV I+b)来反演。在研究中光能转化有机质效率(ε)被视为常数,其值通过前人研究结果确定。然后计算冬小麦净初级生产力(N P P=ε×f PAR×PAR)。文中主要考虑冬小麦产量形成关键期内N P P的形成,然后将累积的N P P转化为作物干物质的量,最后通过冬小麦收获指数修正,得到估计的冬小麦产量。而且利用地面实际调查产量数据对所预测的植物净初级生产力N P P和所预测的产量进行了验证,通过N P P计算的冬小麦生物量与实际生物量间相对误差为-4.30%;预测冬小麦产量与实际小麦产量间相对误差平均为-4.41%,结果令人满意。

基于支持向量回归(SVR)和多时相遥感数据的冬小麦估产

发展和构建高精度的作物遥感估产模型,对于国家制订粮食进出口政策和保障粮食安全具有重要意义。尝试利用支持向量回归方法(SVR)构建遥感估产模型,首先利用北京郊区2004年和2007年冬小麦主要生育期多时相LandsatTM影像生成的归一化植被指数,通过SVR构建遥感估产模型进行产量估算。然后针对模型的稳健型和预报能力进行交叉验证,并与常规的多元回归方法进行对比。结果表明,利用SVR方法构建的遥感估算模型有效地提高了估算精度,与多元回归方法相比,2004年和2007年决定系数分别提高0.2162、0.2158,均方根误差分别降低0.1682、0.2912。因此基于SVR和多时相遥感数据构建估产模型用于冬小麦估产是可行、有效的,为应用多时相遥感数据进行冬小麦估产提供了一种方法。

基于信息扩散和关键期遥感数据的冬小麦估产模型

农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。

大冶市双季晚稻气象估产模型

对大冶市双季晚稻产量和气象条件的关系进行统计分析及实际调查发现,大冶双季晚稻抽穗扬花期前后的气象条件比江汉平原要好。并采用逐步回归的统计学方法建立大冶市双季晚稻产量估产模型,通过实践检验,效果较好。

不同利用状况下草原遥感估产模型

在内蒙古自治区的温性草甸草原、温性草原、温性荒漠草原、温性草原化荒漠和温性荒漠5种具有代表性的草地类型区地面观测数据的基础上,考虑草地的利用状况信息,分类建立了产草量与4种植被指数(由MODIS数据计算得到)的回归估产模型,将利用状况这一定性变量作为虚拟变量与遥感估算模型相结合,找出了3种利用状况下的鲜草产量最优混合估算模型和估算指数。结果表明:(1)EVI是反映产草量变化的最好指标,分类构建的模型平均测产精度达到了80%;(2)将利用状况作为虚拟变量考虑之后建立的混合测算模型精度达到了79%,明显高于利用状况未知时构建的混合模型的精度,比分类建模应用更简洁方便。

水稻遥感估产模拟模式比较

通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻抽穗后不同时期冠层的光谱反射率、叶面积指数及最后的理论产量和实际产量,模拟MSS、TM、SPOT、资源一号CCD相机、IKONOS、MODIS和高光谱的波段来构建光谱差值植被指数DVI、比值植被指数RVI、差值归一化植被指数NDVI和绿度G,并模拟建立遥感估产模式。结果表明:单变量估产模式以差值植被指数DVI效果最好,蜡熟期估产效果要优于抽穗期和灌浆期;多时期复合估产模式估产效果要优于单一生育期;成熟期各种数据的DVI估产模式具有相近估产精度,达91%以上,其中MSS波段的估产精度最高。

基于GIS的浙江省水稻遥感估产最佳时相选择

水稻遥感估产最佳时相选择应包括水稻种植面积估算最佳时相和水稻产量预报最佳时相两部分 .在水稻遥感估产最佳时相选择中 ,由于首次引入GIS技术提取水稻可能种植区域 ,缩小了研究范围 ,植被种类也较简单一 ,因此仅用农作物物候历即可确定水稻种植面积估算最佳时相 ,而不需要考虑所有的植被类型 .利用盆栽试验和小区试验研究水稻产量与不同时期的农学参数、农学参数与植被指数及水稻产量与植被指数的关系 ,结果表明 ,水稻产量与农学参数、农学参数与光谱变量的关系均以孕穗期到抽穗期最好 ,水稻产量与光谱变量的关系则从分蘖盛期到抽穗期的极显著 .因此 ,以孕穗期到抽穗期作为建立水稻遥感估产模型的最佳时期 .再利用 1998年各地的水稻发育期观测资料 。